La definición moderna de inteligencia artificial o IA es "el estudio y diseño de agentes inteligentes" donde un agente inteligente es un sistema que percibe su entorno y toma medidas que maximizan sus posibilidades de éxito.
John McCarthy, quien acuñó el término en 1956, lo define como "la ciencia y la ingeniería de la fabricación de máquinas inteligentes".
Se han propuesto otros nombres para el campo, como inteligencia computacional, inteligencia sintética o racionalidad computacional.
El término inteligencia artificial también se usa para describir una propiedad de máquinas o programas: la inteligencia que demuestra el sistema.
La investigación de IA utiliza herramientas y conocimientos de muchos campos, incluidos la informática, la psicología, la filosofía, la neurociencia, la ciencia cognitiva, la lingüística, la investigación de operaciones, la economía, la teoría de control, la probabilidad, la optimización y la lógica.
La investigación de IA también se superpone con tareas tales como robótica, sistemas de control, programación, minería de datos, logística, reconocimiento de voz, reconocimiento facial y muchos otros.
Inteligencia computacional La inteligencia computacional implica desarrollo o aprendizaje iterativo por ejemplo, ajuste de parámetros en sistemas conexionistas.
El aprendizaje se basa en datos empíricos y está asociado con IA no simbólica, IA desaliñada y computación flexible.
Los temas de inteligencia computacional según la definición de IEEE Computational Intelligence Society incluyen principalmente: Redes neuronales: sistemas entrenables con capacidades de reconocimiento de patrones muy fuertes.
Los sistemas difusos: las técnicas de razonamiento bajo incertidumbre, se han utilizado ampliamente en los sistemas modernos de control de productos industriales y de consumo; capaces de trabajar con conceptos como 'caliente', 'frío', 'cálido' y 'hirviendo'.
Cálculo evolutivo: aplica conceptos inspirados biológicamente como poblaciones, mutación y supervivencia del más apto para generar soluciones cada vez mejores al problema.
Estos métodos se dividen principalmente en algoritmos evolutivos p. Ej., Algoritmos genéticos e inteligencia de enjambre p. Ej., Algoritmos de hormigas.
Con los sistemas inteligentes híbridos, se intenta combinar estos dos grupos.
Las reglas de inferencia de expertos se pueden generar a través de la red neuronal o las reglas de producción a partir del aprendizaje estadístico, como en ACT-R o CLARION.
Se cree que el cerebro humano usa múltiples técnicas para formular y verificar los resultados.
Por lo tanto, la integración de sistemas se considera prometedora y quizás necesaria para la verdadera IA, especialmente la integración de modelos simbólicos y conexionistas.